Weka Simple K意味着处理名义属性

Question

我试图理解Weka中的K-means处理名义属性是多么简单，以及为什么它在处理这些属性时效率不高。

我读到它计算这些属性的模式。我想知道如何计算相似度。

让我们举一个例子： 考虑具有3个数字和一个nomimal属性的数据集。 名义属性有3个值：A，B和C.

Instance1的值为A，Instance2的值为B，Instance3的值为A. 在这种情况下，Instance1可能更类似于Instance3（当然，取决于其他数字属性）。在这种情况下，简单的K-means如何工作？

跟进： 如果名义属性有更多（10）个可能值，该怎么办？

Answer 1

您可以尝试将其转换为二元功能，对于每个这样的标称属性，例如has_A, has_B, has_C。然后，如果你缩放它i1和i3将更接近，因为该属性的平均值将高于0.5（重新举例） - i2将更加突出。

如果它有更多，那么您只需为每个可能的值添加更多二进制功能。基本上你只需转动每个名义属性。